미공개 내부정보·공정공시 위반 진단

공개 호출 방식

AI 도구 실행 순서는 EngineCall 우선이다. Company.panel("IS"|"BS"|"CF"), Company.filings, scan.quality, scan.audit, scan.disclosureRisk 는 엔진 호출로 근거를 먼저 확보한다. 아래 Python 블록은 확보한 L1/L1.5 근거를 buildEvidenceForensicsMemo 로 묶는 RunPython fallback 절차다 — 공정공시 위반 — event-statement 매칭.

import dartlab
from dartlab.synth.evidenceForensics import buildEvidenceForensicsMemo

target = "005930"  # KOSPI/KOSDAQ 종목코드
c = dartlab.Company(target)

statements = {}
for topic in ("IS", "BS", "CF"):
    try:
        statements[topic] = c.panel(topic, freq="Y")
    except TypeError:
        statements[topic] = c.panel(topic)
    except Exception:
        pass

sectionTexts = {}
for topic in ("businessOverview", "riskFactors", "mdna", "notesDetail"):
    try:
        sectionTexts[topic] = str(c.panel(topic))[:20000]
    except Exception:
        pass

try:
    disclosure = c.filings()
    events = disclosure.head(20).to_dicts() if hasattr(disclosure, "head") else list(disclosure)[:20]
except Exception:
    events = []

scanRows = []
for axis in ("quality", "audit", "disclosureRisk"):
    try:
        df = dartlab.scan(axis)
        rows = df.head(3).to_dicts() if hasattr(df, "head") else []
        for row in rows:
            row["axis"] = axis
        scanRows.extend(rows)
    except Exception:
        pass

memo = buildEvidenceForensicsMemo(
    target=target,
    market=str(getattr(c, "market", "KR")),
    companyName=str(getattr(c, "corpName", target)),
    statements=statements,
    sectionTexts=sectionTexts,
    events=events,
    scanRows=scanRows,
)

emit_result(
    table=memo["tables"]["eventToStatementMatcher"],
    values={
        "target": target,
        "riskScore": memo["headline"].get("riskScore"),
        "signalCount": memo["headline"].get("signalCount"),
    },
    date=memo.get("asOf", "latest"),
    sources=memo["sources"],
)

호출 동작 — 5 단 분석 구조

1. 결론 도출

공시 timestamp ↔ 거래 매칭 + 호재·악재 공시 직전 거래 + 잠정 vs 확정 차이 + 공정공시 분류 + 외부 timing 동행 한 문장.

좋은 결론 예시:

• “CJ E&M 케이스 — 잠정실적 발표 D-N 일 임원 X 명 매도 (Y 주, 평균 매도가 Z 원). 잠정실적 발표 후 주가 -K% (악재 동행). 잠정 vs 확정 영업이익 차이 M% (감사 후 조정). 직전 1 개월 호재 공시 빈도 L 회 → 매도 직전 cluster. 내부정보 유출 가능성 [높음][conf:65]. counter — 임원 단독 매매는 분산·세무·상속 정당 사유 가능. 거래 plan 사전 신고 본문 별도 fetch 필요.”

금지:

• 사전 매매 단독 신호로 내부정보 단정.
• 외부 보도 timing 만 보고 정보 유출 단정 (webRef 마커 강행).

2. 핵심 근거 수집

requiredEvidence: skillRef + target + tableRef + valueRef + dateRef + sourceRef + executionRef 필수.

• target (stockCode).
• sourceRef: 임원거래 공시 (DART 임원거래·주식 변동) + 잠정·확정실적 공시 + 사업보고서 특수관계자 거래 + 외부 보도 (webRef 마커 + 1 차 검증).
• tableRef (4+ 표):
  1. 공시 timestamp ↔ 거래 매칭 — 호재·악재 공시일 / 직전 ±N 일 임원거래 timestamp / 거래 종류 (매수·매도·증여)
  2. 호재·악재 공시 직전 거래 매트릭스 — 매도 / 매수 / 증여 분류 × 공시 호재·악재 분류 × ±5/10/30 일 윈도우
  3. 잠정 vs 확정실적 차이 — 잠정실적 발표일 / 확정실적 발표일 / 매출·영업이익·순이익 차이 % / 직전 임원거래 cluster
  4. 공정공시 분류 ledger — 의무공시 (실적·신사업·M&A·전망) vs 자율공시 / 의무 vs 자율 비율 / 의무공시 누락 의심
• valueRef: 임원거래 절대 수량·금액, 잠정 vs 확정 차이 %, 매도 직후 주가 변동.
• dateRef: 공시일·임원거래일·잠정실적일·확정실적일.
• executionRef: RunPython 으로 timing 분포 + 매도 vs 주가 변동 회귀.

3. 메커니즘 분석

내부정보·공정공시 진단 = 공시 timing + 거래 매칭 + 잠정/확정 차이 + 공정공시 분류 + 외부 동행 5 차원 동시 검증:

graph LR
  EVENT["호재·악재 사건"] --> DISC_TIME["공시 timestamp"]
  EVENT --> INTERNAL["내부 인지 시점<br/>(추정)"]

  INTERNAL --> WINDOW["거래 윈도우<br/>D-30 ~ D+0"]
  EXEC_TRADE["임원·특수관계자 거래"] --> WINDOW

  WINDOW --> MATCH["거래 ↔ 공시 매칭"]
  MATCH --> SIGNAL["내부정보 신호"]

  PRELIM["잠정실적 발표"] --> DIFF["잠정 vs 확정 차이"]
  CONFIRM["확정실적 발표"] --> DIFF
  DIFF --> ADJ["감사 조정 (정상) vs 의도적 (의심)"]

  EVENT --> CLASSIFY["공정공시 분류"]
  CLASSIFY --> MANDATORY_FD["의무공시<br/>실적·신사업·M&A·전망"]
  CLASSIFY --> VOLUNTARY_FD["자율공시"]
  MANDATORY_FD --> COMPLIANCE["의무 이행 여부"]

  EXTERNAL["외부 보도·애널리스트"] --> EXT_TIMING["보도 timing"]
  EXT_TIMING --> EXT_MATCH["공시 ↔ 보도 시간차"]
  EXT_MATCH --> LEAK["외부 유출 가능성"]

  SIGNAL --> SCORE["위반 점수"]
  ADJ --> SCORE
  COMPLIANCE --> SCORE
  LEAK --> SCORE

5 패턴 정량 신호:

패턴	신호	임계	가중치
사전 매매	악재 공시 D-30 ~ D-1 임원 매도 건수	≥ 2 건	high
사전 매매	호재 공시 D-30 ~ D-1 임원 매수 건수	≥ 2 건	high
사전 매매 규모	평균 매도 수량 / 임원 보유 비율	≥ 30%	high
잠정 vs 확정	영업이익 차이 %	≥ 5%	medium
잠정 vs 확정 직전 거래	잠정실적 D-30 임원거래 cluster	≥ 2 건	high
공정공시 의무 위반	실적·신사업 공시 누락 발견	발생	high
외부 보도 동행	보도 D-1 ~ D-7 공시 직전 timestamp	동행	medium
애널리스트 보고서 동행	보고서 발간 D-1 공시 직전 임원거래	동행	medium
반복 패턴	12M 내 동일 패턴 횟수	≥ 3 회	high

4. 반례·한계

• Falsifier: 임원·특수관계자 거래 본문 또는 공시 timestamp 부재 시 진단 불가 — DART 임원거래 공시 + 잠정실적·확정실적 공시 fetch 후 재호출. 외부 보도 timing 은 webRef 외부 본문 untrusted 마커 강행 + 1 차 출처 검증 의무.
• 사전 신고 plan: 한국은 미국 10b5-1 plan 류 사전 매매 신고 제도 별도 (자본시장법 임원·주요주주 사전 신고). 사전 신고된 거래는 정상 일정 매매 정상 사유 인정.
• 임원 단독 매매 정당 사유: 분산투자·세무·이혼·상속·자녀 학자금 등 정당 사유 가능. 단일 사건 ≠ 내부정보. 반복 패턴 + 공시 timing 매칭 cluster 동행 시만 의심 격상.
• 잠정 vs 확정 정상 조정: 잠정실적 (자체 산정) 과 확정실적 (감사 후) 차이는 정상 회계 조정 (대손충당금·이연법인세·평가손익 조정 등). 단순 5% 차이 = 의도적 단정 금지.
• 공정공시 의무 범위 외: 실적·신사업·M&A·전망 외 진행상황·R&D 진척은 의무공시 아닐 수 있음. 자율공시 정상.
• 외부 보도 자체 취재: 언론·애널리스트가 공개 데이터·업계 동향 자체 취재 로 보도 가능. 단순 timing 동행만으로 정보 유출 단정 금지.
• 공정공시 제도 시점: 한국 공정공시 (Regulation FD) 2002 시행. 그 이전 사례는 별도 기준 적용.
• 반복 패턴 의무: 단일 사건은 정황. 반복 패턴 (12M 내 ≥ 3 회) 만 위반 가능성 격상 의무.

5. 후속 모니터링

신호	임계	조치
악재 공시 D-30 임원 매도	≥ 2 건	사전 매매 의심 ledger
호재 공시 D-30 임원 매수	≥ 2 건	사전 매매 의심 ledger
잠정 vs 확정 영업이익 차이	≥ 5%	감사 조정 vs 의도 분류
잠정실적 D-30 임원거래 cluster	≥ 2 건	즉시 격상
공정공시 의무 위반	발생	법적 조사 가능성 추적
외부 보도 D-1 공시 직전	동행	webRef 1 차 검증
반복 패턴 / 12M	≥ 3 회	패턴 ledger 격상

대표 반환 형태

• tableRef:fd:disclosure_trade_match — 공시 ↔ 거래 매칭
• tableRef:fd:pre_event_window — 호재·악재 공시 직전 거래 매트릭스
• tableRef:fd:preliminary_vs_confirmed — 잠정 vs 확정실적 차이
• tableRef:fd:fair_disclosure_classification — 공정공시 분류
• tableRef:fd:external_timing — 외부 보도·애널리스트 timing
• valueRef:fd:pre_trade_count — 사전 매매 건수
• valueRef:fd:trade_to_holding_pct — 매도 / 임원 보유 비율
• valueRef:fd:preliminary_diff_pct — 잠정 vs 확정 차이 %
• valueRef:fd:violation_score — 위반 가능성 종합 점수
• sourceRef:fd:exec_trade_id — 임원거래 공시 id
• sourceRef:fd:preliminary_id — 잠정실적 공시 id
• executionRef:fd:calc_id — RunPython 실행 id

연계 절차

• 공시 timing (호재·악재 공시 timestamp) → recipes.fundamental.quality.forensics.disclosureTimingAnomaly
• 임원보수 (스톡옵션 행사 동행) → recipes.fundamental.quality.forensics.executiveCompensationAudit
• 주석 신호 (특수관계자 거래 본문) → recipes.fundamental.quality.forensics.noteSignalExtractor
• 실질지배력 (정보 비대칭 동행) → recipes.fundamental.quality.forensics.controllingPowerJudgment

재호출 트리거: “내부정보 유출”, “공정공시 위반”, “임원 사전 매매”, “잠정 확정실적 차이”, “CJ E&M 한미약품 패턴”.

기본 검증

• 공시 시계열 ≥ 3 년 + 임원·특수관계자 거래 시계열 동행.
• 호재·악재 공시 직전 ±30 일 윈도우 매칭.
• 잠정 vs 확정실적 차이 정량.
• 공정공시 의무 vs 자율 분류.
• 외부 보도 동행 시 webRef 마커 + 1 차 검증.
• falsifier — 사전 신고 plan 정상 거래 반례 검토.

AI 직접 사용 방식

1. ReadSkill 에서 내부정보·공정공시·사전 매매 질문이면 본 recipe 선정.
2. target stockCode 확인.
3. Company.filings(window="3Y") 공시 시계열 + 임원거래·잠정실적·확정실적 분리.
4. Company.panel("임원거래") 또는 Company.panel("특수관계자거래") 본문.
5. Company.panel("IS", freq="Q") 잠정 vs 확정 분기 비교.
6. 외부 보도 timing 필요 시 WebSearch 호출 (webRef 마커 + 1 차 검증 의무).
7. RunPython 으로 timing 매칭 + 매도 cluster 분석.
8. 답변에 timing 매칭 + 사전 거래 매트릭스 + 잠정/확정 차이 + 공정공시 분류 + 외부 동행 5 셋 + 반례·한계 필수.